Epilepsi ile ilgili GWAS veri kümesinde alt ağ arama programlarının değerlendirmesi
Beyhan Adanur Dedeturk, Burcu Bakir GungorAbdullah Gül Üniversitesi, Bilgisayar Mühendisliği, KayseriAktif alt ağ tespiti, bir protein-protein etkileşim ağında hastalıkla ilgili genlerin birbirine bağlı bir grup genini bulmayı amaçlamaktadır. Son yıllarda bu problem için çeşitli algoritmalar geliştirilmiştir. Bu çalışmada, hastalığa özgü alt ağ tanımlama programlarının analizleri epilepsi veri seti kullanılarak değerlendirilmiştir. Aynı koşullar altında ve aynı veri seti ile 9 farklı program çalıştırılmış ve bu programların Greedy algoritması, Genetik algoritma, Simüle Tavlama Algoritması, MCC (Maximal Clique Centrality) algoritması, MCODE (Molecular Complex Detection) algoritması ve PEWCC (Protein Complex) Ağırlıklı Kümeleme Katsayısı) algoritması sonuçları gösterilmiştir. Her programın en yüksek puan alan 5 modülü, kat zenginleştirme analizi ve normalleştirilmiş karşılıklı bilgi kullanılarak karşılaştırılmıştır. Aynı zamanda tanımlanan alt ağlar, hipergeometrik test kullanılarak fonksiyonel olarak zenginleştirilmiş ve hastalıkla ilişkili biyolojik yollar belirlenmeye çalışılmıştır. Ayrıca programların çalışma süreleri ve özellikleri karşılaştırmalı olarak değerlendirilmiştir.
Anahtar Kelimeler: Protein-protein etkileşim ağları, aktif alt-ağ araması, foksiyonel zenginleştirme analizi, kat zenginleştirme, nnormalleştirilmiş karşılıklı bilgiEvaluation of Sub-Network search programs in epilepsy-related GWAS dataset
Beyhan Adanur Dedeturk, Burcu Bakir GungorAbdullah Gul University, Computer Engineering, KayseriThe active sub-network detection aims to find a group of interconnected genes of disease-related genes in a protein-protein interaction network. In recent years, several algorithms have been developed for this problem. In this study, the analysis of disease specific sub-network identification programs are evaluated using epilepsy data set. Under the same conditions and with the same data set, 9 different programs are run and results of their Greedy algorithm, Genetic algoritm, Simulated Annealing Algorithm, MCC (Maximal Clique Centrality) algorithm, MCODE (Molecular Complex Detection) algorithm and PEWCC (Protein Complex Detection using Weighted Clustering Coefficent) algorithm are shown. The top scoring 5 modules of each program, are compared using fold enrichment analysis and normalized mutual information. Also, the identified subnetworks are functionally enriched using hypergeometric test and hence, disease associated biological pathways are identified. In addition, running times and features of the programs are comparatively evaluated.
Keywords: Protein-protein interaction networks, active sub-network search, functional enrichment analysis, fold enrichment, normalized mutual informationSorumlu Yazar: Beyhan Adanur Dedeturk, Türkiye
Makale Dili: İngilizce